Глоссарий ИИ: 55 терминов простым языком

Основы

Это справочная версия: 55 терминов, сначала определение, потом детали. Если вам нужен более мягкий обзор только тех слов, которые важны в первую неделю, читайте вместо этого Термины ИИ простыми словами и возвращайтесь сюда, когда какой-то термин отправит вас за подробностями.

Искусственный интеллект

Искусственный интеллект, это программное обеспечение, которое выполняет задачи, обычно требующие человеческого суждения: пишет тексты, рассуждает или распознаёт, что изображено на картинке.

В повседневном употреблении в 2026 году «ИИ» почти всегда означает чат-помощников на основе больших языковых моделей, а не более широкую академическую область.

Машинное обучение

Машинное обучение, это метод обучения программ на примерах, а не через прописанные правила.

Каждый современный ИИ-помощник построен именно так: поведение возникает из закономерностей в обучающих данных, поэтому одна и та же модель может блестяще справляться с частыми задачами и неуверенно с редкими.

Модель

Модель, это одна конкретная обученная ИИ-система, тот самый объект, которому вы на самом деле отправляете промпт.

GPT, Claude и Gemini, это семейства моделей; внутри семейства находятся отдельные модели разного размера, скорости и цены. Выбор между ними под конкретную задачу, это главный навык хорошего использования ИИ.

LLM (большая языковая модель)

LLM, или большая языковая модель, это модель, обученная на огромных объёмах текста предсказывать, какой текст должен идти дальше.

Именно этот единственный трюк, доведённый до огромного масштаба, и производит ответы, черновики, код и резюме. Слово «большая» относится и к объёму обучающих данных, и к числу параметров.

Чат-бот

Чат-бот, это диалоговый интерфейс вокруг модели, то самое окно с полем для сообщения.

Это различие важно при сравнении продуктов: два чат-бота могут работать на одной и той же модели и при этом ощущаться по-разному, а один чат-бот может предлагать сразу много моделей, именно так устроен Whizi.

Промпт

Промпт, это всё, что вы отправляете модели: вопрос, инструкции и любой текст или файлы, которые вы прикладываете.

Качество ответа напрямую следует за качеством промпта. Контекст, ограничения и желаемый формат вывода, это три вещи, которые новички чаще всего забывают указать.

Токен

Токен, это небольшой кусочек текста, который модель на самом деле читает и пишет, в среднем примерно три четверти английского слова.

Цена, скорость и контекстные окна, всё это измеряется в токенах, поэтому это слово встречается на каждой странице с ценами на ИИ. Документ на 1000 слов, это примерно 1300 токенов.

Контекстное окно

Контекстное окно, это максимальный объём текста, измеряемый в токенах, который модель может учитывать одновременно.

Ваш промпт, вся беседа до этого момента, прикреплённые документы и сам ответ делят между собой это окно. Таблица сравнение контекстных окон приводит актуальные цифры для каждой крупной модели, а объяснение рассказывает, почему это объясняет большинство жалоб вида «ИИ забыл».

Параметры

Параметры, это внутренние числа, которые модель усвоила во время обучения, и обычная мера её размера.

Их считают миллиардами, и, грубо говоря, больше параметров означает больше возможностей и больше затрат. Сама по себе это плохая метрика для выбора; тесты и ваши собственные проверки говорят больше, чем число параметров.

Ответ

Ответ, это результат работы модели по одному промпту, его ещё называют completion.

Ответы каждый раз генерируются заново, поэтому повторная генерация того же промпта даёт другую формулировку, а иногда и другой ответ по существу.

Как разговаривать с моделью

Системный промпт

Системный промпт, это постоянная инструкция, которую модель получает ещё до вашего сообщения и которая задаёт её роль, тон и правила.

Он есть в каждом продукте, даже если вы его не видите. Когда говорят, что у чат-бота «есть характер», обычно это как раз живёт в системном промпте.

Промпт-инжиниринг

Промпт-инжиниринг, это практика осознанно составлять промпты, чтобы стабильно получать результат лучше.

Несмотря на громкое название, в основе почти всегда лежит обычная ясность: назвать цель, дать контекст, показать пример, указать формат. Руководство для начинающих разбирает приёмы, которые реально влияют на результат.

Zero-shot

Zero-shot означает попросить модель выполнить задачу без единого примера.

Современные модели справляются с большинством повседневных задач именно так, без примеров. Термин в основном сохраняется как противоположность few-shot промптингу.

Few-shot

Few-shot означает включить в промпт несколько готовых примеров, чтобы модель скопировала образец.

Это самый дешёвый способ повысить надёжность там, где важен формат: два-три примера входа и желаемого выхода работают лучше, чем абзац описания.

Цепочка рассуждений

Цепочка рассуждений (chain of thought), это когда модель проходит через промежуточные шаги, прежде чем дать окончательный ответ.

Просьба рассуждать шаг за шагом заметно улучшает результат на сложных задачах, а рассуждающие модели теперь по умолчанию делают нечто подобное внутри себя.

Температура

Температура, это настройка, которая определяет, сколько случайности модель добавляет, выбирая каждый следующий токен.

Низкая температура даёт стабильный, консервативный результат; высокая, даёт разнообразие и изредка бессмыслицу. Чат-продукты обычно сами выбирают для вас среднее значение.

Потоковая передача

Потоковая передача (streaming), это когда модель отправляет ответ токен за токеном по мере генерации, а не целиком по завершении.

Именно поэтому кажется, что ответ печатается сам собой, и именно поэтому неудачный ответ можно остановить раньше, а не дожидаться его конца.

Перегенерация

Перегенерация (regenerate) означает запросить новый ответ на тот же самый промпт.

Поскольку генерация вероятностна, перегенерация, это по-настоящему новый «розыгрыш», а не повтор того же вычисления. Сравнение двух розыгрышей, или одного промпта на двух моделях, это быстрый способ проверить качество.

Как делают модели

Обучение

Обучение, это процесс подстройки параметров модели под данные, пока её предсказания не станут достаточно хорошими.

Оно происходит ещё до того, как вы впервые встретитесь с моделью, и обходится провайдеру в огромные вычислительные затраты. Ничто из того, что вы печатаете в чате, не переобучает модель в моменте, хотя провайдеры могут использовать беседы для обучения будущих версий, в зависимости от своей политики.

Обучающие данные

Обучающие данные, это текст и другие материалы, на которых училась модель.

Их широта объясняет, что модель знает, их пробелы объясняют системные слепые зоны, а их временной диапазон задаёт дату отсечки знаний.

Предобучение

Предобучение, это первая и самая масштабная фаза обучения, на которой модель усваивает язык и знания о мире из массива текста.

Результат получается способным, но сырым. Всё, что заставляет модель вести себя как полезный помощник, добавляется уже после.

Дообучение

Дообучение (fine-tuning), это дополнительное обучение на более узком наборе данных, чтобы специализировать или скорректировать уже предобученную модель.

Провайдеры дообучают модели ради полезности и безопасности; компании, ради задач своей отрасли. Для большинства пользователей хороший промпт плюс способная универсальная модель обыгрывают оплату дообучения.

RLHF

RLHF, обучение с подкреплением на основе обратной связи людей, это обучение модели на человеческих оценках её ответов.

Именно оно во многом объясняет, почему современные помощники вежливы, структурированы и осторожны. В избытке оно же порождает ту самую уклончивость, из-за которой некоторые модели отказываются отвечать или юлят.

Alignment (согласование)

Alignment, это работа по приведению поведения модели в соответствие с человеческими намерениями и ценностями.

На практике сюда входит всё, от отказа выполнять вредные запросы до простого точного следования инструкциям. Когда модель делает что-то технически впечатляющее, но нежелательное, это и есть разрыв alignment.

Инференс

Инференс, это запуск уже обученной модели для получения ответа, в противоположность её обучению.

Каждое отправленное вами сообщение запускает инференс, и именно затраты на инференс измеряет цена за токен. Дешёвые в запуске модели могут быть на удивление способными; индекс стоимости моделей ИИ показывает разброс цен в 2000 раз.

Трансформер

Трансформер, это архитектура нейронной сети, лежащая в основе практически каждой современной языковой модели.

Её ключевой механизм, внимание (attention), позволяет модели сопоставлять каждую часть входных данных с каждой другой частью. Вам никогда не понадобятся подробности, но это слово встречается повсюду в текстах об ИИ.

Когда что-то идёт не так

Галлюцинация

Галлюцинация, это когда модель с полной уверенностью заявляет нечто ложное.

Это не баг, который починят в следующем релизе, это следствие самого способа генерации. Частота сильно зависит от модели и задачи. Считайте любой конкретный факт, число или цитату непроверенными, пока не проверите их сами. Почему ИИ ошибается разбирает механику этого явления.

Grounding (опора на источник)

Grounding, это когда вы даёте модели авторитетный материал, из которого она отвечает, вместо того чтобы полагаться на её память.

Вставить договор, приложить отчёт или включить поиск в интернете, всё это grounding. Это самая эффективная повседневная защита от галлюцинаций.

Предвзятость

Предвзятость (bias), это систематический перекос в ответах модели, унаследованный от обучающих данных.

Она проявляется как допущения о людях, местах и настройках по умолчанию. Для важных решений проверяйте результат ИИ так же, как проверяли бы работу способного, но непроверенного стажёра.

Guardrails (ограничители)

Guardrails, это ограничения, которые провайдер встраивает вокруг модели, чтобы блокировать вредные или запрещённые политикой ответы.

Разные провайдеры проводят границы по-разному, и это реальное различие между продуктами: один и тот же запрос одна модель выполнит, а другая откажется.

Джейлбрейк

Джейлбрейк, это промпт, специально составленный, чтобы обмануть модель и заставить её проигнорировать свои ограничители.

Провайдеры непрерывно их закрывают. Для обычного пользователя этот термин важен в основном как концепция безопасности: если модель можно уговорить на что-то, кто-нибудь обязательно попробует её уговорить.

Red teaming

Red teaming, это намеренная атака на модель до релиза, чтобы найти опасные сценарии сбоя.

Провайдеры собирают внутренние и внешние red team, и опубликованные карточки моделей часто кратко описывают, что они нашли. Это эквивалент пентеста в мире ИИ.

Дата отсечки знаний

Дата отсечки знаний, это дата, после которой заканчиваются обучающие данные модели.

Спросите о чём-то более позднем, и модель либо честно признается в незнании, либо поищет в интернете, если умеет, либо начнёт галлюцинировать. Знание даты отсечки той модели, которой вы пользуетесь, избавляет от целой категории ошибок.

Поиск и ваши данные

RAG (генерация с дополнением через поиск)

RAG, генерация с дополнением через поиск (retrieval augmented generation), это когда сначала находят нужные документы, а потом модель отвечает на их основе.

Именно так под капотом устроены продукты «чат с вашей базой знаний», и именно поэтому они умеют указывать источники. RAG снижает число галлюцинаций, но наследует качество того, что находит поиск.

Эмбеддинг

Эмбеддинг, это список чисел, представляющий смысл фрагмента текста.

Тексты с похожим смыслом получают близкие числа, что позволяет программе математически находить связанные отрывки. Эмбеддинги, это механизм, на котором работают семантический поиск и RAG.

Векторная база данных

Векторная база данных, это база, созданная специально для хранения эмбеддингов и быстрого поиска ближайших из них.

Если продукт говорит, что «проиндексировал» ваши документы для ИИ-поиска, значит эмбеддинг для каждого фрагмента лежит именно в такой базе.

Семантический поиск

Семантический поиск, это поиск текста по смыслу, а не по совпадению ключевых слов.

Запрос «проблемы с деньгами» может найти отрывок о нехватке денежного потока, хотя ни одно слово буквально не совпадает. Это эмбеддинги в действии.

Chunking (разбиение на фрагменты)

Chunking, это разбиение длинных документов на куски, достаточно маленькие, чтобы их можно было хорошо превратить в эмбеддинги и находить поиском.

Звучит как техническая рутина, потому что так и есть, но неудачный chunking, это частая причина, по которой инструменты для чата с документами отвечают, опираясь на не ту часть файла.

Поиск в интернете (в ИИ)

Поиск в интернете применительно к ИИ означает, что модель перед ответом подгружает актуальные страницы, вместо того чтобы полагаться на память из обучения.

Это меняет скорость на актуальность и позволяет ответам нести ссылки на источники, которые можно открыть. Для всего, что случилось после даты отсечки знаний модели, это разница между ответом и догадкой.

База знаний

База знаний, это отобранный набор документов, который компания даёт своему ИИ в качестве источника ответов.

Качество на входе определяет качество на выходе: помощник, опирающийся на устаревшую вики, будет уверенно выдавать устаревшие ответы, да ещё и со ссылками на источник.

Три термина в этом глоссарии называют конкурирующие ответы на один и тот же вопрос: как сделать модель лучше именно в вашей задаче, и путаница между ними, это самая частая жаргонная ошибка на встречах по продукту. Сравнение бок о бок:

Подход	Что меняется	Стоимость и скорость	Когда выигрывает
Лучший промптинг (zero-shot, few-shot)	Только текст, который вы отправляете	Бесплатно, занимает минуты	Почти всегда первый шаг; два-три готовых примера решают большинство проблем с форматом
RAG	То, что модель читает перед ответом	Средние затраты на внедрение, переобучение не нужно	Ответы, которые должны оставаться актуальными или ссылаться на ваши собственные документы
Дообучение	Собственные параметры модели	Медленно и дорого, зато результат зафиксирован	Стабильные требования к стилю и формату в большом масштабе, почти никогда не нужно отдельному человеку

За пределами текста

Мультимодальность

Мультимодальность означает, что модель работает более чем с одним типом данных, например с текстом плюс изображениями, звуком или видео.

Именно поэтому вы можете сделать скриншот ошибки и спросить, что не так. Руководство по мультимодальному ИИ рассказывает, что реально работает сегодня.

Модель со зрением

Модель со зрением, это модель, которая умеет интерпретировать изображения: фотографии, скриншоты, графики и документы.

Чтение не то же самое, что генерация; модель может идеально описать вашу диаграмму и при этом быть не в состоянии нарисовать такую же.

Генерация изображений

Генерация изображений, это создание новых картинок по текстовому описанию.

Качество, диапазон стилей и отрисовка текста внутри картинок сильно различаются между генераторами, поэтому серьёзные пользователи сравнивают сразу несколько. Обзор генераторов изображений следит за актуальным состоянием этой области.

Диффузионная модель

Диффузионная модель генерирует изображения, начиная с шума и постепенно уточняя его шаг за шагом в сторону описания.

Это доминирующая техника, лежащая в основе современных генераторов изображений. Слово важно в основном затем, чтобы «diffusion» в названии продукта подсказывало вам, чем этот продукт занимается.

Распознавание речи

Распознавание речи (speech to text), это перевод устной звуковой записи в письменный текст.

Современная транскрипция достаточно точна, чтобы сделать встречи, голосовые заметки и интервью доступными для поиска, и именно так работает голосовой ввод в чат-приложениях.

Синтез речи

Синтез речи (text to speech), это создание звуковой речи из письменного текста.

Современные системы производят естественные, выразительные голоса, на этом работают функции чтения вслух и голосовые беседы с ИИ.

Экосистема

API

API, это программный вход, через который разработчики отправляют промпты модели из собственного программного обеспечения.

Цена API считается за токен, и именно отсюда в конечном счёте берётся экономика каждого отдельного ответа в любом ИИ-продукте.

Открытые веса

Открытые веса означают, что обученные параметры модели опубликованы, и любой может скачать их и запустить.

Это делает возможным самостоятельный хостинг и позволяет другим провайдерам обслуживать модель на своей собственной инфраструктуре. DeepSeek и Llama, самые известные примеры.

Модель с открытым исходным кодом

Модель с открытым исходным кодом, это, если упрощённо, модель, выпущенная для публичного использования и изменения, хотя лицензии сильно различаются.

Практических вопроса всегда два: можно ли использовать её коммерчески и кто хостит её для вас. Экосистема открытых весов важнее всего, когда конфиденциальность или стоимость исключают размещённые в облаке флагманские модели.

Бенчмарк

Бенчмарк, это стандартный тест, который используют, чтобы оценивать и сравнивать модели.

Полезен для первого приближения, но в маркетинге его регулярно переоценивают. Модель, лидирующая в бенчмарке, всё равно может проиграть на вашей реальной работе, поэтому собственное сравнение на трёх задачах говорит больше, чем чтение графиков.

Агент

Агент, это ИИ-система, которая совершает действия шаг за шагом к цели, а не просто отвечает один раз.

Бронирование, исследования, написание кода и оформление заявок, это территория агентов. Возможности здесь реальные и быстро растут; так же быстро растёт и необходимость проверять, что агент сделал, прежде чем это станет важным.

Использование инструментов

Использование инструментов, или вызов функций (function calling), это когда модель обращается к внешним возможностям: поиску, калькулятору, коду или вашему календарю.

Именно так чат-помощники действуют в мире, а не только описывают его, и это же механизм, на котором держатся агенты.

Рассуждающая модель

Рассуждающая модель, это модель, которая тратит дополнительные вычисления, внутренне обдумывая задачу, прежде чем ответить.

Обмен здесь такой: время и стоимость в обмен на точность на сложных задачах. На простых вопросах дополнительное обдумывание не даёт ничего, и это ещё один довод переключать модели под задачу.

Задержка

Задержка (latency), это сколько вы ждёте между отправкой промпта и появлением или началом потоковой передачи ответа.

Она зависит от размера модели, нагрузки и того, рассуждающая ли это модель. Для интерактивной работы быстрая достаточно хорошая модель часто побеждает медленную блестящую.

Лимит частоты запросов

Лимит частоты запросов (rate limit), это ограничение, которое провайдер устанавливает на число запросов или токенов за отрезок времени.

Именно из-за упора в этот лимит чат-продукт обычно просит вас подождать или обновить тариф. Лимиты сообщений на тарифных планах, это те же rate limit, просто под более дружелюбным названием.

Как этот глоссарий остаётся полезным

Термины в этой области устаревают быстро. Эта страница ведётся как справочник: записи переписываются, когда меняется употребление, а связанные подробные руководства несут детали, которые не помещаются в определение.

Если термин, который вы где-то встретили, здесь отсутствует, самый быстрый путь, это вставить предложение, в котором вы его нашли, в способную модель и попросить определение в контексте. В Whizi можно спросить сразу две модели и заметить, когда они расходятся во мнениях, а для нового жаргона это удивительно часто случается.